本文引用的所有信息均为公开信息，仅代表作者本人观点，与就职单位无关。

本文首先以实际示例介绍三类典型的空间数据，希望读者能对不同类型的空间数据的特点和使用场景有个简单印象。紧接着，介绍各类地理空间数据的可视化方法及 R 包实现，笔者从个人经验出发详细介绍了4个，相信足够让读者应付大部分使用场景。之后，再介绍 R 语言中的空间数据类型及其基本操作，空间数据操作是基本功，也是比较难的，没放在空间数据可视化前面是怕吓跑了一些读者，笔者所知也十分有限，也怕写不好。再基于一个真实数据用不同的 R 包实现类似的可视化效果，是几代空间数据可视化方法的并列介绍，最后是一些心得、总结和展望。

本文有几个写作意图：

空间数据基本类型有点、线、面（或称多边形）等，还分矢量数据和栅格数据，地理可视化的展示形式有气泡图、热力图、瓦片图、地形图等。下面通过几个实际的空间数据，以图形的展示方式以期帮助读者建立数据直觉，陆续使用 lattice [1]、ggplot2 [2]和 leaflet [3] 来绘制静态和交互图形。

下面以 RgoogleMaps 包内置的数据集 incidents 为例介绍空间点数据，并作一些简单的分析。

数据集 incidents 来自 2012 年旧金山的犯罪数据，更多数据见 DataSF 项目，一些数据分析见 Github 项目。数据集 incidents 随机抽取了 5000 行，16个观测变量，分别是犯罪数目 IncidntNum、犯罪类型 Category、犯罪行为描述 Descript、犯罪行为发生在周几 DayOfWeek、犯罪行为发生的日期 Date、犯罪行为发生的时间（hh::mm）Time、警局辖区 PdDistrict、警方处置方式 Resolution、位置 Location、经度 lon、纬度 lat、是否属于暴力行为 violent、发生时间（小时，以2位整数计） HrOfDay、发生时间（小时，以10进制计）TimeOfDay、发生时间（一周168个小时，0-168之间的数字）HourOfWeek、人口普查的区块标记 censusBlock。图2.1展示警方出警地点，或者说犯罪行为发生地点，红点表示此处发生暴力冲突，黑点表示此处没有暴力冲突。

图 2.1: 2012 年旧金山警方出警地点的空间分布

除了 RgoogleMaps 提供的 plotmap() 函数，当然，还可以用 leaflet 来绘制交互式的散点图，因为交互，可以放入更多的信息。如图2.2，鼠标悬浮在散点上可以看到事件发生的警区 PdDistrict，点击可以看到警方的处置方式 Resolution，这是设置 addCircles() 的参数 label 和 popup 实现的，实际上，它们还可以放入更加丰富的信息。

图 2.2: 2012 年旧金山警方出警地点的空间分布

接下来再细致一点地探索 incidents 数据集，各个警区出警次数的分布情况，

图 3.2: echarts4r 使用内置矢量地图数据

下面介绍在瓦片地图数据的基础上展示 quakes 数据，如图3.3 所示，这里采用地理图层 e_leaflet() 调用开放的 OpenStreetMap 瓦片服务。

图 3.3: echarts4r 使用 OpenStreetMap 地图

只要提供瓦片地图服务的模版，就可以切换地图底图数据，图3.4使用了谷歌的地图服务。

图 3.4: echarts4r 使用谷歌地图

类似谷歌的要求，使用 Mapbox 地图服务也需要先申请个人访问令牌，申请下来后，也把它设置到 R 语言环境变量里 MAPBOX_TOKEN，以便后续使用。

图 3.5: echarts4r 使用 MAPBOX 地图

在国内，最好使用百度、高德这样的国家认可的地图服务提供商，这也很容易，只需用高德的 tile 服务数据替换 OSM 的。

图 3.6: echarts4r 使用高德地图

另外，袁凡整理的材料 — echarts4r: 从入门到应用，详细介绍了如何用 echarts4r 绘制各种各样的常用图形，如何引入外部地图数据制图，文章完全基于用 R Markdown 编译，图文并茂，内容可重复。苏玮制作的 日本新冠疫情看板 也大量使用 echarts4r，可见 echarts4r 能力之强，此看板适合比较高阶的 R 语言读者学习，地理可视化的定制化程度比较高。

百度、阿里、腾讯等公司都提供大量面向不同场景的地图服务，一些软件也内置了地图，如tableau、GRASS GIS 和QGIS等，下图3.7 展示 QGIS 软件使用在线的 OpenStreetMap 地图。

图 3.7: QGIS 软件内的 OpenStreetMap 地图

leaflet [3] 包借助 htmlwidgets 封装了鼎鼎大名的开源交互式可视化地图库 leaflet。注意，leaflet 只是一个渲染 GIS 数据的可视化库，并不提供 GIS 数据服务。类似的可视化库还有OpenLayers，及其 R 接口openlayers，另一个紧密相关的空间数据处理工具是GeoServer，它遵循 Open Geospatial Consortium (OGC) Web Feature Service (WFS) 和 Web Coverage Service (WCS) 标准，支持各种 GIS 数据源。

在可视化的过程中，配色是非常重要的一个环节，准确地表达地图上各个区域或位置的数据信息，负责体现分类、层次、大小等信息。常见的操作是将一组数据映射成一组颜色值，还是以 quakes 数据集为例，下面将连续型的地震震级数据映射成一组颜色值。这方面的工作已经有非常成熟的 R 包来做了，比如scales包和colourvalues 包。如图 3.8，默认情况下 viridis 调色板，颜色越黄值越大。

图 3.10: 散点图

leaflet.extras 提供绘制热力图的扩展，另一个与之类似的包是leaflet.extras2 包，前者虽已停止开发了，但是目前看来还可以用。

绘制热力图就这么简单，如图 3.11 所示，在图3.10的基础上添加了热力图，实际上就是根据点的密度添加色彩，密度值根据核密度估计算法统计出来。

图 3.11: 热力图

plotly [5] 包在地理可视化方面提供散点图 scattergeo 和等值图 choropleth 两种基础类型。plotly 还为 mapbox 地图服务添加三个专门的绘图函数，分别是散点图scattermapbox、等值图choroplethmapbox和热力图densitymapbox。

图 3.12: plotly 包使用 Mapbox 地图

接下来介绍布局设置，以 layout(mapbox = ...) 内的 style 参数为例， 它是用来设置地图风格样式的，除了默认的参数值 basic，还可以设置为夜晚暗黑 dark，卫星地图 satellite 等。若设置open-street-map，调 OpenStreetMap 服务，则无需 MAPBOX_TOKEN，具体哪些用到 MAPBOX_TOKEN 哪些不需要用到 MAPBOX_TOKEN，读者可以根据需要选择，详见mapbox-layers 文档，其他参数设置见mapbox 文档。

图 3.13: plotly 包使用 Mapbox 卫星地图

图 3.14: plotly 包使用 Mapbox 绘制热力图

plotly 包内置了两个地图数据集，一个是美国州级多边形数据"USA-states"，另一个是国家级多边形数据，来自 Natural Earth，需要3个字母的国家代码传给参数 locations。

图 3.15: plotly 包使用 Mapbox 绘制面量图

多边形矢量地图数据，多边形的边界常常是行政区域，choropleth 地图是填充颜色的多边形，颜色深浅表示数据指标，地图的作用在于展示指标的空间变化，在美国，郡县一级的行政区大致相当于咱们市一级行政单位，比如图3.16 展示美国各个县的失业率，大城市失业率相对较高。值得注意，数据量较大的时plotly渲染速度较慢。